Искусственный интеллект в прямых продажах - Sales Predictive - Den Reymer

Искусственный интеллект в прямых продажах — Sales Predictive

Вы уверены, что B2B продажи — это только прямые продаже? Уже сегодня существуют инструменты, способные за продавца правильно выставить приоритеты по сделкам и работать только с теми, которые максимально быстро могут привести к получению денег.

Одно из стремительно растущих направлений в B2B продажах сейчас — продукты, которые способны на основании данных из CRM и множества внешних сигналов из интернет, используя методы машинного обучения, выявить сделки, над которыми нужно работать в первую очередь, чтобы увеличить продажи.  Это класс продуктов — Sales Predictive Analytics.

Как это работает?

Gartner определяет такие решения в отдельный класс продуктов  Sales Predictive Analytics.

Sales predictive analytics is an emerging category of sales enablement software. Solutions in this space are SaaS-only, and fill a gap between traditional sales force automation (SFA) functionality and sales business intelligence (BI) solutions.

Applying heuristic and machine learning algorithms to a firm’s historical opportunity data, predictive analytics solutions provide data-driven insights into the sales process. They perform analytical tasks not provided in most opportunity management systems, such as calculating propensity-to-close scores, providing estimated close dates, calculating estimated deal size and updating forecast category values. Gartner

Все решения представленные в этой категории работают исключительно по модели SaaS и удачно вписываются в уже устоявшуюся экосистему западного бизнеса.

Задача — определить с кем, когда и как лучше взаимодействовать для скорейшего успешного завершения B2B сделки.

В общих чертах подход игроков в этой категории следующий:

1. Подключиться к CRM системе для извлечения знаний по сделкам и истории работы с клиентами. CRM часто тоже облачные и целевая для всех — SalesForce.

2. Обогатить данные о клиентах всевозможной информацией доступной в сети интернет. Цель собрать как можно больше цифровых следов и понимания работы клиента. (Про цифровые следы в B2C я уже рассказывал ранее).

В ход идут не только данные о компаниях доступные в открытом виде, но и участие компаний в тендерах на b2b площадках, активность в интернет и социальных сетях, изменения в ключевых позициях сотрудников компаний, активности топ-менеджеров в социальных сетях и многое многое другое. Ключевая задача — собрать все факты о компаниях и уметь реагировать на них в близком к реальному времени, чтобы выдавать соответствующие сигналы для системы продаж.

Интересный факт — большинство клиентов, которые пользуются услугами предиктивной аналитики продаж (Sales Predictive) — это технологические компании, нацеленные на продажу своих технологических решений в корпоративный сектор. Поэтому в качестве дополнительных «цифровых следов» собирается информация из пресс-релизов по технологиям и продуктам, которые используют целевые компании, ведется активный web-краулинг  ресурсов таких компаний, который позволяет не только собрать контент, но и выявить какие технологии стоят за сайтами компаний, чтобы понять к каким продуктам у них могут быть еще предпочтения. Каждый из игроков пытается подтянуть максимум знаний для обогащения данных.

3. К собранным массивам данных применяются различные модели, построенные с помощью методов машинного обучения, которые позволяют выставить для сделок скоринговые баллы, найти похожих клиентов, разложить клиентскую базу по сегментам. Многие участники дополнительно могут сделать предложения по добавлению новых клиентов, с которыми стоило бы начать работу.

4. Полученные сигналы передаются в CRM и в системы автоматизации маркетинга для управления маркетинговыми кампаниями. Как правило, тоже в облаке — MarketoEloqua.

Так цикл замыкается. Результаты работы с воронкой продаж становятся новыми данными для обогащения и улучшения моделей, и решения переходят в автоматический процесс непрерывного самоулучшения.

Вот такой мир в облаках для технологичных компаний. Большинство компаний, использующих подобные решения, являются технологическими и для них — понимание каким компаниям их продукт может быть интересен — является первоочередным вопросом бизнеса. 

Почему этот рынок вызывает интерес? Те, кто уже пользуются такими решениями, заявляют о трехкратном снижении количества контактов с клиентами для закрытия сделок, двухкратном увеличении объемов продаж и многих-многих  других замечательных результатов.

Верить или нет? Давайте посмотрим на ключевых игроков и как к ним относятся инвесторы.

Gartner в своем документе CRM Vendor Guide выделяет 13 компаний в классе Sales Predictive Analytics:

6senseC9ClariFliptopGainsightHost Analytics,  InferLattice EnginesLeadspaceMintigoServiceSourceTopOOPSTotango.

Смотрим на инвестиции:

  1. Infer получает в декабре 2014 году $25 млн, в дополнение к $10 млн, полученным раннее с момента основания в 2010 году;
  2. 6sense — в феврале 2015 получает $20 млн в добавку к вложенным ранее $12 млн с 2013 года.
  3. Lattice Engines — июнь 2015 плюс $28 млн, тем самым собрав с момента основания в 2006 году $54,7 млн.

Итого за полгода только в этих игроков было вложено $80 млн,  почти в два раза больше, чем за все предыдущие годы существования. Рынок очевидно на подъеме и является качественным примером эффективности применения Data Science, Big Data и Machine Learning.

Но что-то мне подсказывает, что такие чудеса, на которые способны эти решения, в нашей родной стране им вряд ли получится повторить. Как минимум в ближайшие несколько лет.

Мы еще не готовы улетать в такие облака.

И в завершение подборка роликов о том, как работают подобные решения:

И все-таки интересно, возможно ли в нашей реальности получить пользу от подобных инструментов? 

оригинал публикации http://denreymer.com/b2b-sales-predictive-analytics

Пролистать наверх